我們經常遇到這樣的需求：我們在VS寫好的程式，需要在一個沒有裝opencv甚至沒有裝vs的電腦下執行，跑出效果。比如，你在你的電腦用opencv+vs2015寫出一個程式，然後老師叫你把程式發給他，他要看看功能實現的怎麼樣。老師的電腦肯定沒有整套的開發環境的，如果你想只把程式碼發給他，讓他自己編譯，肯定會出現問題。所以，我們需要掌握如何生成一個不依賴開發環境的exe的方法。

下面將以一個實際例子說明如何生成一個不依賴開發環境的exe的方法。

比如我現在在VS2015下實現了一個影象拼接功能的程式

  1 #include "highgui/highgui.hpp"    
  2 #include "
 
opencv2/nonfree/nonfree.hpp"    
  3 #include "opencv2/legacy/legacy.hpp"   
  4 #include <iostream>  
  5 
  6 using namespace cv;
  7 using namespace std;
  8 
  9 void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst);
 10 
 11 typedef struct
 12 {
 13     Point2f left_top;
 14     Point2f left_bottom;
 
 15     Point2f right_top;
 16     Point2f right_bottom;
 17 }four_corners_t;
 18 
 19 four_corners_t corners;
 20 
 21 void CalcCorners(const Mat& H, const Mat& src)
 22 {
 23     double v2[] = { 0, 0, 1 };//左上角
 24     double v1[3];//變換後的座標值
 25     Mat V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
 26     Mat V1 = Mat(3
 
, 1, CV_64FC1, v1);  //列向量
 27 
 28     V1 = H * V2;
 29     //左上角(0,0,1)
 30     cout << "V2: " << V2 << endl;
 31     cout << "V1: " << V1 << endl;
 32     corners.left_top.x = v1[0] / v1[2];
 33     corners.left_top.y = v1[1] / v1[2];
 34 
 35     //左下角(0,src.rows,1)
 36     v2[0] = 0;
 37     v2[1] = src.rows;
 38     v2[2] = 1;
 39     V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
 40     V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
 41     V1 = H * V2;
 42     corners.left_bottom.x = v1[0] / v1[2];
 43     corners.left_bottom.y = v1[1] / v1[2];
 44 
 45     //右上角(src.cols,0,1)
 46     v2[0] = src.cols;
 47     v2[1] = 0;
 48     v2[2] = 1;
 49     V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
 50     V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
 51     V1 = H * V2;
 52     corners.right_top.x = v1[0] / v1[2];
 53     corners.right_top.y = v1[1] / v1[2];
 54 
 55     //右下角(src.cols,src.rows,1)
 56     v2[0] = src.cols;
 57     v2[1] = src.rows;
 58     v2[2] = 1;
 59     V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
 60     V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
 61     V1 = H * V2;
 62     corners.right_bottom.x = v1[0] / v1[2];
 63     corners.right_bottom.y = v1[1] / v1[2];
 64 
 65 }
 66 
 67 int main(int argc, char *argv[])
 68 {
 69     Mat image01 = imread(".\\src_pic\\right.jpg", 1);    //右圖
 70     Mat image02 = imread(".\\src_pic\\left.jpg", 1);    //左圖
 71     imshow("p2", image01);
 72     imshow("p1", image02);
 73 
 74     //灰度圖轉換  
 75     Mat image1, image2;
 76     cvtColor(image01, image1, CV_RGB2GRAY);
 77     cvtColor(image02, image2, CV_RGB2GRAY);
 78 
 79 
 80     //提取特徵點    
 81     SurfFeatureDetector surfDetector(800);  // 海塞矩陣閾值，在這裡調整精度，值越大點越少，越精準 
 82     vector<KeyPoint> keyPoint1, keyPoint2;
 83     surfDetector.detect(image1, keyPoint1);
 84     surfDetector.detect(image2, keyPoint2);
 85 
 86     //特徵點描述，為下邊的特徵點匹配做準備    
 87     SurfDescriptorExtractor SurfDescriptor;
 88     Mat imageDesc1, imageDesc2;
 89     SurfDescriptor.compute(image1, keyPoint1, imageDesc1);
 90     SurfDescriptor.compute(image2, keyPoint2, imageDesc2);
 91 
 92     //獲得匹配特徵點，並提取最優配對     
 93     FlannBasedMatcher matcher;
 94     vector<DMatch> matchePoints;
 95     matcher.match(imageDesc1, imageDesc2, matchePoints, Mat());
 96     cout << "total match points: " << matchePoints.size() << endl;
 97    // sort(matchePoints.begin(), matchePoints.end()); //特徵點排序    
 98 
 99     Mat img_match;
100     drawMatches(image01, keyPoint1, image02, keyPoint2, matchePoints, img_match);
101     imshow("match points",img_match);
102 
103     //獲取排在前N個的最優匹配特徵點  
104     vector<Point2f> imagePoints1, imagePoints2;
105 
106     for (int i = 0; i<matchePoints.size(); i++)
107     {
108         imagePoints1.push_back(keyPoint1[matchePoints[i].queryIdx].pt);
109         imagePoints2.push_back(keyPoint2[matchePoints[i].trainIdx].pt);
110     }
111 
112 
113 
114     //獲取影象1到影象2的投影對映矩陣 尺寸為3*3  
115     Mat homo = findHomography(imagePoints1, imagePoints2, CV_RANSAC);
116     ////也可以使用getPerspectiveTransform方法獲得透視變換矩陣，不過要求只能有4個點，效果稍差  
117     //Mat   homo=getPerspectiveTransform(imagePoints1,imagePoints2);  
118     cout << "變換矩陣為：\n" << homo << endl << endl; //輸出對映矩陣      
119 
120     //計算配準圖的四個頂點座標
121     CalcCorners(homo, image01);
122     cout << "left_top:" << corners.left_top << endl;
123     cout << "left_bottom:" << corners.left_bottom << endl;
124     cout << "right_top:" << corners.right_top << endl;
125     cout << "right_bottom:" << corners.right_bottom << endl;
126 
127     //影象配準  
128     Mat imageTransform1, imageTransform2;
129     warpPerspective(image01, imageTransform1, homo, Size(MAX(corners.right_top.x, corners.right_bottom.x),image02.rows));
130     //warpPerspective(image01, imageTransform2, adjustMat*homo, Size(image02.cols*1.3, image02.rows*1.8));
131     imshow("直接經過透視矩陣變換", imageTransform1);
132     imwrite(".\\dst_pic\\trans1.jpg", imageTransform1);
133 
134 
135     //建立拼接後的圖,需提前計算圖的大小
136     int dst_width = imageTransform1.cols;  //取最右點的長度為拼接圖的長度
137     int dst_height = image02.rows;
138 
139     Mat dst(dst_height, dst_width,CV_8UC3);
140     dst.setTo(0);
141 
142     imageTransform1.copyTo(dst(Rect(0, 0, imageTransform1.cols, imageTransform1.rows)));
143     image02.copyTo(dst(Rect(0, 0, image02.cols, image02.rows)));
144 
145     OptimizeSeam(image02, imageTransform1, dst);
146 
147 
148     imshow("dst", dst);
149     imwrite(".\\dst_pic\\dst.jpg", dst);
150 
151     waitKey();
152 
153     return 0;
154 }
155 
156 
157 //優化兩圖的連線處，使得拼接自然
158 void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst)
159 {
160     int start = MIN(corners.left_top.x, corners.left_bottom.x);//開始位置，即重疊區域的左邊界  
161     
162     double processWidth = img1.cols - start;//重疊區域的寬度  
163     int rows = dst.rows;
164     int cols = img1.cols; //注意，是列數*通道數
165     double alpha = 1;//img1中畫素的權重  
166     for (int i = 0; i < rows; i++)
167     {
168         uchar* p = img1.ptr<uchar>(i);  //獲取第i行的首地址
169         uchar* t = trans.ptr<uchar>(i);
170         uchar* d = dst.ptr<uchar>(i);
171         for (int j = start; j < cols; j++)
172         {
173             if (t[j*3] == 0 && t[j*3+1] == 0 && t[j*3+2] == 0)
174             {
175                 alpha = 1;
176             }
177             else
178             {
179                 alpha = (processWidth - (j - start)) / processWidth;
180             }
181 
182             d[j*3] = p[j*3] * alpha + t[j*3] * (1 - alpha);
183             d[j*3+1] = p[j*3+1] * alpha + t[j*3+1] * (1 - alpha);
184             d[j*3+2] = p[j*3+2] * alpha + t[j*3+2] * (1 - alpha);
185             
186         }
187     }
188 }

那麼怎樣才可以生成一個不依賴於環境的可執行程式exe呢？

1.選擇release方式

為什麼要選擇release而不選擇debug模式？因為debug模式我也嘗試過了，因為debug模式要加入某些vs的debug dll，可能比較難找，就不使用debug模式了，relase模式更為方便。

2.重新生成解決方案

3.找到生成的exe的存放位置

因為我生成的是x64檔案，所以就選擇X64。生成X86的就選X86資料夾。

我們選relsease資料夾

發現有四項東西

3.建立自己的資料夾

自己新建一個資料夾（我命名為my_exe），以後所有東西都放這裡了。並將上面提到的四項東西拷貝到這裡。並根據我們程式寫的讀取圖片和儲存圖片的位置，生成如下的兩個資料夾src_pic和dst_pic。

4.找出opencv dll庫的位置

將裡面的東西全選，並拷貝到剛新建的資料夾內。

5.根據程式寫的讀取圖片的位置放入待處理的圖片

6.執行exe檔案

這個exe檔案是你從vs工程copy過來的那個exe，別弄錯了。

完美執行。

再看看dst_pic資料夾，生成的圖片已經如我們所願存進去了！

可能遇到的問題

在實際操作中可能遇到exe無法執行或者出錯的情況，這時應第一時間檢視依賴項是否填寫正確。

因為我們選擇的是release版本，所以依賴項填寫的是不帶d的！這個要確認清楚。